Szkoła Główna Handlowa w Warszawie - Centralny System Uwierzytelniania
Strona główna

Przedmioty obowiązkowe na programie SMMD-ADA (grupa przedmiotów zdefiniowana przez Szkoła Główna Handlowa w Warszawie)

Jednostka: Szkoła Główna Handlowa w Warszawie Zestaw przedmiotów, który widzisz poniżej został zdefiniowany przez tę jednostkę. Jednostka ta nie musi mieć jednak związku z organizacją wymienionych przedmiotów (jednostką odpowiedzialną za organizację przedmiotu jest jednostka wymieniona w odpowiedniej kolumnie w tabeli poniżej). Więcej o tym przeczytasz w Pomocy.
Grupa przedmiotów: Przedmioty obowiązkowe na programie SMMD-ADA
wybierz inną grupę zobacz plany zajęć tej grupy
Jeśli chcesz zmienić te ustawienia na stałe, edytuj swoje preferencje w menu Mój USOSweb.
Legenda
Jeśli przedmiot jest prowadzony w danym cyklu dydaktycznym, to w odpowiedniej komórce pojawi się koszyk rejestracyjny. Ikona koszyka zależy od tego, czy możesz się rejestrować na dany przedmiot.
niedostępny (zaloguj się!) - nie jesteś zalogowany
niedostępny - aktualnie nie możesz się rejestrować
zarejestruj - możesz się zarejestrować
wyrejestruj - możesz się wyrejestrować (lub wycofać prośbę)
prośba - złożyłeś prośbę o zarejestrowanie (i nie możesz jej już wycofać)
zarejestrowany - jesteś pomyślnie zarejestrowany (i nie możesz się wyrejestrować)
Kliknij na ikonę "i" przy koszyku, aby uzyskać dodatkowe informacje.

20221 - Semestr zimowy 2022/23
20222 - Semestr letni 2022/23
20231 - Semestr zimowy 2023/24
20232 - Semestr letni 2023/24
(zajęcia mogą być semestralne, trymestralne lub roczne)
Opcje
20221 20222 20231 20232
229091-D brak brak
24

Zajęcia przedmiotu
Semestr zimowy 2023/24
  • Laboratorium - 30 godzin
Semestr letni 2023/24
  • Laboratorium - 30 godzin
Grupy przedmiotu

Skrócony opis

Advanced business analytics. Data imputation. Advanced regression techniques. Customer Life Time Value.

Strona przedmiotu
222801-D
50

Zajęcia przedmiotu
Semestr zimowy 2022/23
  • Wykład - 60 godzin
Semestr letni 2022/23
  • Wykład - 60 godzin
Semestr zimowy 2023/24
  • Wykład - 60 godzin
Semestr letni 2023/24
  • Wykład - 60 godzin
Grupy przedmiotu

Skrócony opis

Global search vs. local search. Hard optimization (unimodal vs. multimodal search, continuous vs. discrete optimization). Simulated annealing algorithm, Tabu search method, Genetic algorithm, Differential evolution, Nelder-Mead method, Particle swarm optimization, Ant colony optimization, Iterated Local Search, Variable Neighborhood Search, Penalty method, GRG method, Augmented Lagrangean method, Fundamentals of complexity theory. Implementation of selected methods in GNU R.

Strona przedmiotu
229080-D brak brak
138

Zajęcia przedmiotu
Semestr zimowy 2023/24
  • Laboratorium - 30 godzin
Semestr letni 2023/24
  • Laboratorium - 30 godzin
Grupy przedmiotu

Skrócony opis

Celem zajęć jest przekazanie studentom wiedzy z zakresu analizy czasu trwania zarówno w ujęciu klasycznym jak i bayesowskim. W toku prowadzonych zajęć omawiane są różne rodzaje modeli: nieparametrycznych, parametrycznych i semiparametrycznych. Prezentowane są teoretyczne podstawy omawianych modeli czasu trwania, metody ich estymacji oraz weryfikacji na gruncie klasycznym i bayesowskim.

Strona przedmiotu
222890-D
138

Zajęcia przedmiotu
Semestr zimowy 2022/23
  • Laboratorium - 20 godzin
  • Wykład - 10 godzin
Semestr letni 2022/23
  • Laboratorium - 20 godzin
  • Wykład - 10 godzin
Semestr zimowy 2023/24
  • Laboratorium - 20 godzin
  • Wykład - 10 godzin
Semestr letni 2023/24
  • Laboratorium - 20 godzin
  • Wykład - 10 godzin
Grupy przedmiotu

Skrócony opis

1. Od plików płaskich do Data Mash. Modele przetwarzania danych w Big Data.

2. ETL i modelowanie w trybie wsadowym (offline learning) i przyrostowym (online learning). Map-Reduce.

3. Strumienie danych, zdarzenia i koncepcje czasu i okien czasowych w przetwarzaniu danych w czasie rzeczywistym.

4. Mikroserwisy i komuniakcja przez REST API.

5. Współczesne architektury aplikacji do przetwarzania danych strumieniowych - Lambda, Kappa, Pub/Sub.

6. Przetwarzanie ustrukturyzowanych i niestrukturyzowanych danych. Środowisko programistyczne dla języka Python.

7. Wykorzystanie obiektowych elementów Pythona w procesie modelowania za pomocą Scikit-Learn i Keras

8. Podstawy OOP dla języka Python. Budowa klasy dla algorytmu błądzenia losowego, Perceprtonu i Adeline.

9. Przygotowanie mikroserwisu z modelem ML do zastosowania produkcyjnego.

10. Strumieniowanie danych z wykorzystaniem RDD dla Apache Spark. Wprowadzenie do obiektu DataFrame.

11. Metody tworzenia stur

Strona przedmiotu
220521-D
Zajęcia przedmiotu
Semestr zimowy 2022/23
  • Laboratorium - 16 godzin
Semestr letni 2022/23
  • Laboratorium - 16 godzin
Semestr zimowy 2023/24
  • Laboratorium - 16 godzin
Semestr letni 2023/24
  • Laboratorium - 16 godzin
Grupy przedmiotu

Skrócony opis

The course introduces the R programming language. The first lab discusses installing and configuring R and selected editors. The next block of labs introduces basic data structures: vectors and lists, and data structures based on them: matrices, and data frames. The last block of labs introduces basic programming techniques, including conditional execution, looping and mapping, and functions. Some additional packages are also described.

Strona przedmiotu
223091-D
Zajęcia przedmiotu
Semestr zimowy 2022/23
  • Laboratorium - 15 godzin
  • Wykład - 15 godzin
Semestr letni 2022/23
  • Laboratorium - 15 godzin
  • Wykład - 15 godzin
Semestr zimowy 2023/24
  • Laboratorium - 30 godzin
Semestr letni 2023/24
  • Laboratorium - 30 godzin
Grupy przedmiotu

Skrócony opis

Within the subject the following topics will be discussed: technological elements of Big Data, data types, Big Data analytics, data streams processing, big data applications, data privacy and ethical issues.

Strona przedmiotu
223090-D
Zajęcia przedmiotu
Semestr zimowy 2022/23
  • Laboratorium - 14 godzin
  • Wykład - 16 godzin
Semestr letni 2022/23
  • Laboratorium - 14 godzin
  • Wykład - 16 godzin
Semestr zimowy 2023/24
  • Laboratorium - 30 godzin
Semestr letni 2023/24
  • Laboratorium - 30 godzin
Grupy przedmiotu

Skrócony opis

W ramach przedmiotu zostaną omówione takie grupy zagadnień jak: rozwiązania technologiczne dotyczące Big Data, typy danych Big Data, analityka Big Data, przetwarzanie danych strumieniowych , przegląd wybranych rozwiązań biznesowych dotyczących Big Data a także zagadnienia etyczne związane z Big Data.

Strona przedmiotu
223060-D
22

Zajęcia przedmiotu
Semestr zimowy 2022/23
  • Laboratorium - 30 godzin
Semestr letni 2022/23
  • Laboratorium - 30 godzin
Semestr zimowy 2023/24
  • Laboratorium - 30 godzin
Semestr letni 2023/24
  • Laboratorium - 30 godzin
Grupy przedmiotu

Skrócony opis

Zasady budowy relacyjnej bazy danych oraz rozszerzeń obiektowych pozwalających na przechowywanie złożonych wewnętrznie struktur. Przegląd podstawowych zapytań do baz danych oraz techniki zaawansowane pozwalające na pracę w złożonym środowisku, co do wolumenu danych, liczby różnorodnych struktur, potrzeb informacyjnych użytkowników. Wykorzystanie funkcji agregujących, analitycznych, konstrukcji charakterystycznych dla pracy w środowisku hurtowni danych.

Strona przedmiotu
224391-D
Zajęcia przedmiotu
Semestr zimowy 2022/23
  • Wykład - 30 godzin
Semestr letni 2022/23
  • Wykład - 30 godzin
Semestr zimowy 2023/24
  • Wykład - 30 godzin
Semestr letni 2023/24
  • Wykład - 30 godzin
Grupy przedmiotu

Skrócony opis

Cloud computing. Infrastructure-as-a-service (IaaS). Platform-as-a-service (PaaS). Collection and data management in the cloud. Relational databases and data warehousing in the cloud. NoSQL databases. Data analytic in the cloud . BigData - Hadoop and Spark int the cloud. Numerical and scientific computing in the cloud - grid computing. Economic fundamentals of cloud computing. Optimizing cloud computing costs. Cloud security.

Strona przedmiotu
224390-D
60

Zajęcia przedmiotu
Semestr zimowy 2022/23
  • Wykład - 30 godzin
Semestr letni 2022/23
  • Wykład - 30 godzin
Semestr zimowy 2023/24
  • Wykład - 30 godzin
Semestr letni 2023/24
  • Wykład - 30 godzin
Grupy przedmiotu

Skrócony opis

Cloud computing. Infrastructure-as-a-service (IaaS). Platform-as-a-service (PaaS). Gromadzenie i zarządzanie danymi w chmurze. Relacyjne bazy danych oraz hurtownie danych w chmurze. Nierelacyjne bazy danych - NoSQL w chmurze. Analiza danych w chmurze. BigData - Hadoop i Spark w chmurze. Obliczenia naukowe i analizy numeryczne w chmurze - grid computing. Podstawy ekonomiczne rynku cloud computing. Optymalizacja kosztów usług chmurowych. Bezpieczeństwo danych w chmurze.

Strona przedmiotu
al. Niepodległości 162
02-554 Warszawa
tel: +48 22 564 60 00 http://www.sgh.waw.pl/
kontakt deklaracja dostępności USOSweb 7.0.1.0